单个反光柱作为landmark，因输入角度异常导致ceres后端崩溃

于 2024-06-04 08:41:04 发布
阅读量288 收藏
点赞数 2
分类专栏： 2d_slam 文章标签： 机器人
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/windxf/article/details/139429196
版权
博客介绍了在ceres优化中，由于单个反光柱作为landmark没有准确角度信息，导致后端崩溃的问题。通过将原本的ComputeUnscaledError替换为ComputeUnscaledErrorWithoutRotation，优化只考虑位置信息，成功避免了-nan错误的出现。
摘要由CSDN通过智能技术生成

landmark默认是有方向的，所以作者在ceres优化中考虑到了角度信息，但是单个反光柱作为路标是没有准确的角度信息的，所以只能优化位置信息，修改代码如下：

  template <typename T>
  bool operator()(const T* const prev_node_pose, const T
了解本专栏 订阅专栏 解锁全文 超级会员免费看
cartographer如何使用2个反光柱子作为一个landmark
南北粉面馆
03-09 3196
2个反光柱的摆放要求：靠着墙摆，因为我们只能从一侧看到2个反光柱，从两侧都看到至少需要3个反光柱来定位。 landmark检测原理：因为我们是从一侧看到2个反光柱，所以看到2个反光柱在一帧激光数据中会有顺序，有2种情形，如下图 这两种情形，我们发现 情形1: 这种情形2个反光柱子被检测到的激光角度小于180，我们认为大一些激光角度的是原点。 情形2: 这种情形2个反光柱子被检测到的激光角度大于180，我们认为小一些激光角度的是原点。 这样原点就固定下来，并是唯一的。2个反光柱构成的坐标系也就确定了。和激光坐
(02)Cartographer源码无死角解析-(72) 2D后端优化→OptimizationProblem2D-约束残差、landmark残差
江南才尽江南山，年少无知年少狂！
07-03 1009
在继续分析 OptimizationProblem2D::Solve() 函数之前，这里把之前本人的一些理解再重复一次。个人理解个人理解这里，本人抛砖引为引玉，谈一下个人对后端优化的理解。首先后端优化是从一个整理来考虑的，其基于 global 系。利用到到了子图与子图之间的变换关系，可以在前端(基于local系)过程中，子图单个相对于 local系 的位姿，可以说他们是没有直接联系到一起的。
反光柱建图venus和我的方案
南北粉面馆
09-16 2393
venus的方式是一种纯反光柱的方案， 网址:https://gitee.com/dustinksi/VEnus 视频地址:https://www.bilibili.com/video/av80266705/ 这套系统代码可以参考，包括反光柱的提取，地图的建立，定位求解方式，编译通过后就可以自己掉接口使用了。 我的思路： 我这里使用了另一种和轮廓slam融合的方式，就是使用cartographer建图时把每个反光柱（可以当做没有旋转权重为0的landmark）的位置通过过后端一起优化求出来。然后导航的时候使
SLAM从入门到精通（基于ros的反光柱定位）
最新发布
嵌入式-老费，一个分享专业嵌入式知识的blog
10-25 2334
【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 我们看论文或者看书的时候，讲的最多的一般就是基于自然环境的定位。不管是激光雷达，还是视觉，其实本身还有很多的不确定性。而对企业、工厂来说，大部分情况下没有办法容忍这种不确定性的。所以很多时候，企业里面用的定位技术往往不是那么高大上的技术，比如激光就用反光柱，视觉就用二维码等等。这里反光柱定位多用于大型物流设备，也算是用的比较多的一种定位方法。 ros上面其他slam
Cartographer后端之Ceres优化
YGG12022的博客
04-09 2490
看这篇之前，要是一点都没看过 Ceres ，看一下这里 ,都写在注释里，直接看注释 Ceres优化库_羊狗狗一只2022年的博客-CSDN博客 cartographer后端的优化由两部分组成 一、Ceres_scan_matcher_2d.cc中的Match方法 这里主要对激光算出来的概率、平移、旋转做优化，优化的部分主要为推测出来的,其中针对激光数据同时优化，第二部分对计算的x,y和预估的x,y进行优化，第三部分对计算的和预估的进行优化。 1.通过激光数据对优化部分 problem.Ad
(02)Cartographer源码无死角解析-(73) 2D后端优化→OptimizationProblem2D-landmark残差细节分析
江南才尽江南山，年少无知年少狂！
07-04 913
个人理解个人理解后端优化是在图优化的框架下，通过调整节点和子图的位姿，以最大程度地满足各种约束条件，使得整个系统的位姿估计更加准确和一致。在后端优化中，节点和子图的位姿是通过最小化误差函数来进行调整的。这个误差函数可以包含多种约束，如里程计测量、IMU数据、固定的参考帧位姿、特征点观测等等。优化的目标是找到一组位姿，使得所有的约束都得到满足，并且使得整个系统的一致性最好。在优化的过程中，为了保证约束的准确性，需要对位姿进行调整，同时也要考虑到不同节点和子图之间的关系，以及它们与前端位姿估计的一致性。
紧耦合后端非线性优化-局部优化（Marginalization）
lovely_yoshino的博客
09-11 2069
0.前言 局部优化作为VSLAM当中常用的策略，其作用相当于激光SLAM中的局部地图的ICP or NDT优化（scan2localmap）。如下图所示，在VIO当中，随着时间的推移，路标特征点(landmark)和相机的位姿pose越来越多，BA的计算量随着变量的增加而增加，即使BA的H矩阵是稀疏的，也吃不消。因此，我们要限制优化变量的多少，不能只一味的增加待优化的变量到BA里，而应该去掉一些变量。那么如何丢变量就成了一个很重要的问题！在vins mono和vins fusion中都存在void Esti
cartographer中的反光板定位
lovely_yoshino的博客
06-07 7103
https://charon-cheung.github.io/2021/01/27/%E6%BF%80%E5%85%89SLAM/Cartographer/%E5%8E%9F%E7%90%86%E5%92%8C%E9%85%8D%E7%BD%AE/landmark%E7%9A%84%E4%BD%BF%E7%94%A8%20(%E4%BA%8C)%20%20AprilTag%E5%81%9Alandmark/ https://blog.csdn.net/weixin_43823054/article/de.
cartographer-landmark 二维码修正重定位
05-16
landmark定位原理： ...这种landmark方法基本是作为定位的修正补充，通过建立一个最小二乘的数学模型，来迭代计算，给优化增加一些元素。在室内场景下来说，这种方式还是比较鲁棒的，而且在此基础上可以做一个融合。
使用cartographer纯定位代替amcl运行move_base
南北粉面馆
11-25 5630
<!-- Simulate a differential drive robot with the teb_local_planner in stage: - stage - map_server - move_base - static map - amcl - rviz view --> <launch> <!-- ************** Global Parameters *************** --&g
cartographer点云匹配时为什么要重力对齐？
南北粉面馆
01-16 5459
AddAccumulatedRangeData里面的这行代码的含义 在这里插入代码片 const transform::Rigid2d pose_prediction = transform::Project2D( non_gravity_aligned_pose_prediction * gravity_alignment.inverse());``` 表面上只是重力对齐以后再处理，其实这里面还为后续的匹配与查找减轻了查找范围，因为* gravity_alignment.inverse()
TEB局部路径规划 computeVelocityCommands代码解析
南北粉面馆
11-24 4302
大概步骤 1-就是把机器人走过的全局路线给裁剪掉，因为已经过去了没有比较再参与计算后面的局部规划。 // prune global plan to cut off parts of the past (spatially before the robot) pruneGlobalPlan(*tf_, robot_pose, global_plan_, cfg_.trajectory.global_plan_prune_distance); 2-就是截取距离当前机器人这个max_global_pla
基于ros框架，cartographer使用aruco/apriltag作为landmark
南北粉面馆
03-03 3866
在动态环境中，使用aruco码作为landmark有助于机器人的快速定位。这里把主要的使用过程梳理一下，之前做过却没有整理。本文基于ros框架。 1-首先来个摄像头 我使用的是一个usb广角镜头，介于针孔相机和鱼眼相机之间，首先使用ros包usb_cam打开相机 https://github.com/ros-drivers/usb_cam 输出的话题为：/usb_cam/image_raw /usb_cam/camera_info 因为相机没有标定，所以 /usb_cam/camera_info为空
（四）cartographer算法用于调试的参考解读
南北粉面馆
04-07 3002
cartographer是一个复杂的系统，要想调试它首先需要对其内部工作原理有较好的理解，这篇文章试图给出cartographer各个子系统直观的概览还有它们的配置参数。如果你对cartographer非常感兴趣，建议看看这篇文章，虽然它只介绍了2D-SLAM，但是它严格的介绍了我们这里将要介绍的每一个概念，当然这些概念同样适用于3D-SLAM。 W. Hess, D. Kohler, H. Ra...
cartographer占用CPU过高？那只是作者留了道练习题
南北粉面馆
03-12 2914
cartographer的博物馆demo之所以cpu过高，是因为他的前端和后端都使用了比较冗余的计算参数，其实有些是不必要的， 比如可以把激光的采样间隔设置大一些，demo的帧率为30Hz，设置为0.25则变成12Hz，够用。 rangefinder_sampling_ratio = 0.25, --1. 前端不要使用CSM，有IMU的情况不用使用CSM激光匹配。 TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = false 接
cartographer 编译时不想下载Abseil的替代方法
南北粉面馆
04-07 2743
原理阐述：下载github上的abseil，然后单独编译这个库，然后更改部分cartographer和cartographer_ros的代码即可。 详细步骤： 一：下载abseil 网址：https://github.com/abseil/abseil-cpp. 安装abseil的静态库： mkdir build && cd build cmake … make sudo mak...
导航的时候自动更新地图的思路，附使用cartographer的解决方案
南北粉面馆
10-17 2682
首先说下原来错误的思路：就是新地图匹配上旧地图，然后就把旧地图替换，或者更新旧地图，这种思路错误的原因是，任何的匹配都是有匹配误差的，从1月份一直匹配到12月份，就算一个月的累积误差是1mm，12个月后也有1cm的误差了，这显然不是自动更新想看到的。 那后来怎样的思路呢？ 这里我们总想着要扔掉旧地图，这就是错误的根源(死胡同)，扔掉了旧地图就会出现上面的问题，1天不会有太大的误差，一个星期后就不好说喽，特别是环境变化大的场地。那这就遇到了似乎永远解决不了的难题，其实是我们进入了一个死胡同，那就是我们惯性思维
（三）用自己的数据包运行cartographer
南北粉面馆
04-07 2385
前面已经运行了几个demo，其实运行自己的包只需要录制和之前格式一致的rosbag即可。里面可以根据自己的需要，主要包括：激光（scan）、齿轮编码器（odom）、惯导（imu）、静态路标（landmark）等。 第一步：验证数据包 cartographer提供了cartographer_rosbag_validate程序来检测数据包的是否符合cartographer的运行格式。官网文档说这个ca...
（二）用rosbag包运行Cartographer Demo
南北粉面馆
04-07 2328
前提：cartographer 和 cartographer‘s ros 已经安装完毕 提醒：部分运行前可能需要重定位ROS环境(你的安装路径） source ${HOME}/catkin_ws/devel/setup.bash //如果你的shell是zsh，则用zsh替代bash 例子1：Deutsches Museum（德意志博物馆） 下载和运行2d安装包，第1句是下载离线包，第2句是安装...
Cartographer中二维码修正与landmark定位优化方法
资源摘要信息:"cartographer-landmark 二维码修正重定位" 在机器人和自动驾驶系统中，定位是一个核心问题，涉及到系统如何确定其在环境中的确切位置。Cartographer 是一个开源的 SLAM (Simultaneous Localization ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

可峰科技

生活不易

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值